Agent Eval 技能

一个轻量级 CLI 工具，用于在可复现的任务上对编码代理进行头对头比较。每个“哪个编码代理最好？”的比较都基于感觉——本工具将其系统化。

何时使用

• 在你自己的代码库上比较编码代理（Claude Code、Aider、Codex 等）
• 在采用新工具或模型之前衡量代理性能
• 当代理更新其模型或工具时运行回归检查
• 为团队做出数据支持的代理选择决策

安装

# pinned to v0.1.0 — latest stable commit
pip install git+https://github.com/joaquinhuigomez/agent-eval.git@6d062a2f5cda6ea443bf5d458d361892c04e749b

核心概念